研究背景
胃癌（Gastric Cancer, GC）是全球癌症相关死亡率的主要原因之一，迫切需要开发早期检测策略和精确的术后干预措施。然而，目前用于早期诊断和患者风险分层的无创生物标志物的识别仍然不足。
研究策略
对来自多中心参与者的702份血浆样本（ 包括389名胃癌患者和313名非胃癌对照）进行了代谢组学分析，以阐明GC代谢重编程。并利用代谢组学数据开发机器学习模型，用于诊断和预后模型预测。
研究结论
研究团队采用代谢组学分析了来自多个中心的胃癌患者和非胃癌对照的血浆样本，描绘了GC中的代谢重编程。利用代谢组学数据开发了一个机器学习诊断模型10-DM，该模型在识别IA期及其他期胃癌患者方面优于目前临床使用的癌症蛋白标志物。同时，研究团队还开发了预后模型28-PM，该模型显示出比采用临床指标的传统方法显著更高的一致性指数，表明其在预测临床结果方面表现更佳。
